一种改进的无线传感器网络优化定位算法

节点定位是无线传感器网络实际应用需要解决的关键问题。为了在提高定位精度的同时降低成本,提出了一种改进的粒子群优化定位算法。该算法首先提出前摄估计思想,完成未知节点的区域估计,缩小并限制可行解空间,以此加快粒子群的搜索速度;然后给出了竞争进化思想的数学模型,使用该模型和自适应权重在进一步加快收敛速度的同时增强了算法的全局和局部搜索能力。仿真结果表明,对比同类算法,该算法能更有效地利用锚节点信息,降低网络成本,在计算量显著减少的同时明显提高了定位精度,并且具有对测距误差鲁棒性强的优点。

遗传粒子群优化的DV-Hop定位算法

用常规粒子群改进的DV-Hop算法由于粒子易陷入局部最优而导致较大的定位误差,对此,提出了结合遗传粒子群的DV-Hop定位(GAPSO-DV-Hop)算法。首先根据最大理想跳数筛选锚节点,计算加权平均每跳距离,权重采用锚节点之间距离、最小跳数、以及通信半径构成;其次,用遗传机制改进粒子群算法以代替最小二乘法,所作改进包括使用前摄估计缩小粒子搜索范围、根据遗传算法中的交叉策略生成待交叉粒子队列,并在每次迭代后选取最差个体做动态变异。仿真结果表明,在相同环境下,所提GAPSO-DV-Hop算法的定位精度明显高于常规DV-Hop算法以及其他对比算法。